基于特征价格模型的房地产价格影响因素研究

蒋友芳 吕文清 廖中辉

摘 要：本文以重庆市住宅类房地产为例研究特征价格模型，通过查阅文献资料实地调研及与房产中介机构的交流沟通等方式确定了影响重庆市住宅房地产价格的特征因素，然后对其进行了分类、整理和量化。文中主要采用了二种基本函数形式建立回归模型，通过比较二种函数模型的检验值，以确定最适合重庆市具体情况的函数方程。模型方程的确定有助于评估准确性和评估效率的提高，同时也为房产评估机构提供新的评估思路、方法和建议。

关键词：重庆市；住宅房产；特征价格模型

一、特征价格模型的相关概念及理论

2015-2017年重庆市住宅交易量为496914、565075、582851套，房产交易量日益增加，传统的房产评估方法很难满足需求，再加上重庆试点开征房产税以来，房产评估趋于常态化。本文所研究的特征价格模型是针对批量评估的一种方法，通过构建房产特征变量与房产价格影响因素之间的方程实现批量化评估。

（1）基本概念

特征价格模型是基于消费者行为理论的一种研究方法，它是研究消费者如何在各种商品之间分配收入以实现满足程度的最大化，同一种商品能带来的效用不同时，消费者的满足程度也不同。特征价格模型通过给效用定价，进而给房产定价。

（2）基本假设及理论

①商品的异质性，是指每个商品之间不能完全替代（尚可替代）。异质商品的典型代表有住宅房地产，所以特征价格模型对住宅房地产估价有较强的适用性。②特征市场的隐含性，是指人们更关注商品的成交价格等显性价格，而很少关注特征因素对应的隐性价格，没有对每增加一单位绿化率要多付多少钱的量化概念，这为特征价格模型的产生奠定了基础。

二、重庆市住宅价格特征因素的建立

（1）房产价格的特征因素及量化标准

本文通过查阅文献，同时在结合重庆市特点的基础上，尽可能制定出符合重庆市特点的量化标准，如对重庆市采用多商圈的量化等都是结合实际情况提出的。

1.区位因素

第一，距离核心商圈距离。核心商圈是离某个零售企业最近、顾客密度最大、人均销售额最高的区域，其远近对小区房价影响很大，2000m内有商圈1分，否则0分。

第二，基础设施建设。基础设施建设是居民工作、生活的物质基础，一般为七通一平。满分为8分，少1项减1分。

第三，对外交通便利度。指小区与市外的交通便利度，其2000m内是否有火车站、汽车站、飞机场，有1分，否则0分。

指小区绿化面积与规划用地面积之比，通常与房价正相关，具体以小区公布为准。

第四，文体设施。小区文体设施像运动场地、健身器械、活动室、图书室、宣传栏等都会影响小区房产价格，全部具备为5分，少一项减一分。

第五，生活配套。小区是否拥有良好的生活配套服务也会极大的影响房产价格，其1000m内是否有超市、银行、医院、快递点等设施，全部具备为4分，少一项减一分

第六，教育配套。小区附近有优质教育资源的房产价格越高，2000m内是否有幼儿园、小、中、大学等，全部具备4分，少一项减一分。

2.建筑因素

第一，建筑面积。建筑面积对房产价格的影响不言而喻，具体以公布信息为准。

第二，房龄。房龄是房产价格的重要影响因素，以2018年为基准年，计算公式=2018-竣工年+1。

第三，朝向。朝向会影响房屋采光、通风等方面。南北通透6分，有一面朝南4分、无朝南的2分。

3.權益状况

房地产权利是所有权还是使用权、租赁权等，以及这些权力是否完整清晰，都会极大影响房产价格，产权清晰完整1分，否则0分。

4.其他因素

第一，业主是否急售。当房主急于出售时，其价格可能不公允，急售则为1分，否则0分。

第二，是否免税。房屋交易时产生的营业税会影响房屋价格，房屋满5年2分，满2年1分，不满2年0分。

（2）研究数据的收集

1.区域及样本的抽取

本文以重庆市9个区域为主要研究对象，从中共抽取102个小区，再根据小区交易量抽取511套房屋样本。得出重庆市住宅分布不均衡，渝北区、南岸区、沙坪坝区人口密集，房产交易套数多是重点研究对象，其他周边区域研究的房产数量较少。

2.研究数据来源

本文研究数据来源主要为房天下交易网站以及百度地图公布的房产信息，从中可以找到房产建筑实物因素以及区位因素等信息；小区环境及周边情况等因素由笔者经过与房产中介机构交流以及实际调研得到。

三、重庆市住宅价格特征模型的建立

目前的学者专家对特征价格模型的具体函数形式还没有统一的结论，本文将数据带入二种基本函数形式并对每种函数形式所得的模型进行检测，以选取最优的模型结构。

（1）线性函数模型

线性模型的基本函数形式为，把收集到的511套房产信息，以价格为因变量，其他21个特征为自变量，共计22个预测变量进入SPSS.17中分析。

1.描述性统计

对变量的基本情况进行描述，给出了参加回归分析的21个变量的描述性统计结果，包括均值、标准偏差和样本数。

2.相关性检测

本文将21个变量进行相关性检测后发现，特征变量建筑面积、小区环境分别与卧室数量、客厅数量，绿化率和容积率有较强的相关性，故本文将用小区的绿化率和容积率以及建筑面积指标将其替代。

3.线性模型方程

在线性模型方程中，最终有7个变量通过了检测，它们分别是建筑面积、装修、房龄、临近地铁站距离、公交站点数、附近是否有公园绿地、容积率。可以看出，进入模型的7个特征变量的系数符号与实际情况基本相符；公交站点数与房价应呈负向相关，容积率应与房价呈正向相关。关于公交站点数，笔者认为出现这种情况是本文研究的公交站点数的量化标准是小区800m以内存在的公交站点数，公交车辆带来便捷的同时也会带来一定的噪音和扬尘，故公交站点数与房价呈负向相关这种现象的出现存在一定的道理；重庆地形主要以山地（丘陵）为主，地形起伏大，地势不平坦，所以导致地势平坦的地方的房产多为寸土寸金的地段，其住宅供不应求，虽然容积率比较高，但房价依然较高，造成容积率与房价呈正向相关。

线性模型方程：房产价值=-5.671+2.619*建筑面积+25.019*装修-6.936*房龄+5.609*临近地铁站距离-4.447*公交站点数+54.265*附近是否有公园绿地+5.906*容积率。

（2）半对数模型

1.描述性统计

同线性函数模型一样，在描述性统计量表中，除价格对数值不一样外，其他变量的均值、标准偏差和样本数均与线性模型表的统计量表一致。

2.显著性及方差分析

在对价格取对数以后，提升了整个模型的拟合度，调整后的，方程对函数的解释力有所增强。显著性，说明我们的回归方程的显著性比较强。德宾-沃森值为1.560小于一般规定值2，存在一定的序列正相关。在t检验中最终有8个自变量通过了检验。多重共线性检测VIF均小于10，大部分在1到2之间，容差均大于0.01说明不存在明显的共线性。

（3）特征价格模型二种函数形式的比较与选择

本文采用二种函数形式对特征价格进行回归分析，从总体上说本文二种形式差别较小，半对数模拟与线性模型仅相差一个显著性变量，客观上体现了回归方程的可靠性。对于二种函数形式，现在尚未总结出如何在以上2个函数模型中进行选择。

第一，根据统计验证指标来确定模型，其中拟合度统计指标比较重要，其值越大说明方程的可靠性越强，本文的置信水平为5%，二种函数形式的拟合优度是逐渐提高的。其次是总体显著性F检验，它是指检验房产的所有特征变量是否对因变量房产价格有显著的共同影响，也即要求所有变量的回归系数都不为0。最后是对随机误差的自相关性检验，以及共线性容差、方差膨胀因子的检验、残差正态性检验。

第二，根据经济意义的检验确定，只有符合经济意义的统计指标才是可取有意义的，如系数的相关性、预期解释变量的符号等。

根据以上标准二种函数形式比较，它们的主要差别在模型的拟合度不同，显著性特征变量的不同。通过综合比较，半对数函数模型较符合重庆市的实际情况，对房产价格变动的解释能力较强。

（4）实证分析

接下来进行实际验证半对数方程的有效性。以下是43套已成交房产交易验证结果如下，以半对数方程求得的评估价值在真实价格上下10%的浮动范围之内，符合国际评估原则的要求。所以半对数模型适合重庆市房产评估市场，能够确保评估价值准确。

四、研究结论及建议

（1）研究结论

本文选取102个小区，511套房产来研究各个特征变量与房产价值之间的关系，其中511套样本房产作为选取模型使用，41套房产用做检验，通过分析最终得出下列结论。

1.确定半对数模型方程为重庆市特征价格模型

本文主要检验分析了线性形式、半对数形式两种函数形式，最终选择了拟合效果最优的对数形式，经过有效性检验，半对数模型能比较准确的預测房产价格。

2.得出了住宅的特征价格及价格弹性

通过半对数模型的分析可以得出房产特征的特征价格及价格弹性，如房产装修情况平均每上升一个等级房产价格就会上升1.05万；临近公园的房产的价格将提升1.03万，其他特征变量的特征价格及弹性可以此类推。

（2）研究建议

1.注重特征价格模型的实际运用

房产评估是二手房交易的必要程序，建议考虑采用特征价格模型进行房产评估。房产评估机构可以利用拥有的房产信息建立符合所在区域特点的特征价格模型，这样既能提高评估效率又能提高评估准确性。

2.建立房产数据共享平台

房产评估是一个综合性较强的工作，需要多部门共同配合，各部门之间应当建立数据共享平台，加强各部门的数据共享，建立完善的房产信息体系。

3.特征价格模型的建立应当与具体问题相结合

特征价格模型的建立要注重结合每一个城市的特点。为了确定每个城市的最优模型方程，应当尽可能多的去分析比较各个函数模型间拟合度以及其解释能力的高低优劣。

4.特征变量的选取应当结合城市的具体特点进行判断、筛选和量化

有很多因素都会影响房产价格，且每个城市都有其独特之处，研究特征价格模型时注意充分挖掘城市特点，注意对特征变量进行判断、筛选和量化以提升模型的拟合度和精确性。

参考文献

[1]董坤杰.基于特征价格模型的郑州市住宅价值评估研究[D].新疆.石河子大学，2017.

[2]王旭育.基于Hedonic模型的上海住宅特征价格研究[D].上海.同济大学，2006.

[3]曹雅茹.批量评估住宅Hedonic模型研究[D].东北.东北财经大学，2012.

[4]黄虎.基于Hedonic模型的襄阳城市住宅特征价格研究[D].湖北.华中师范大学，2011.

作者简介：

蒋友芳（1998.02—），女，汉，重庆合川，本科，重庆工商大学，资产评估专业。

吕文清（1997.05—），女，汉，河北沧州，本科，重庆工商大学，资产评估专业。

廖中辉（1997.11—），男，汉，重庆开州，本科，重庆工商大学，自动化专业。